基于大数据技术的配电网运行可靠性提升思考

何鹏飞

（国网四川省电力公司广安供电公司，四川 广安 638500）

0 引 言

现代社会生产生活对电能需求量明显提高，一定程度上推动了电力供应系统的建设。虽然国内电力系统铺设里程与供电系统技术能力明显改善，但在配电网管理中仍面临较大挑战。伴随现代信息技术发展速度的加快，大数据技术在各领域中得到了广泛应用且趋于成熟。所以，要想不断提高配电系统运行的可靠性，必须充分利用大数据技术开展管理工作。可见，深入研究并分析基于大数据技术的配电网运行可靠性提升路径具有一定的现实意义。

1 依托大数据技术提升配电网运行可靠性的数据基础阐释

在分析配电网运行可靠性方面，重点是以配电网不同运行调度监控系统内的多源异构数据信息、不同元件可靠性参数、检修规划、配电系统网络结构、运行环境条件等诸多因素为参考依据，掌握其影响系统运行可靠性的程度，研究对系统未来特定时期可靠性，制定运行可靠性指标的参数数值[1]。综合考虑运行可靠性的思想，所要涵括的数据信息类型如表1所示。

表1 配电网运行可靠性数据与来源

2 基于大数据技术的配电网运行可靠性提升路径

评估配电网运行可靠性的主要目的是为后续特定时间综合控制方案的制定提供帮助，为决策提供辅助作用，科学合理地指导运行调度，进一步增强配电网运行的经济性与可靠性[2]。

（1）构建配电网运行可靠性指标机制。

（2）借助主成分分析方法，与历史运行所涉及的可靠性数据信息相互结合，科学提取不同指标数据特征，明确评估配电网运行可靠性重要指标。

（3）挖掘并行关联规则挖掘方式和运行可靠性产生影响的因素。

（4）选择影响因素，并当做输入人工神经网络的主要内容，选择主要指标当做输出内容，在训练基础上构建可靠性预测模型。

（5）在模型中输入实时数据信息并预测，获取后续特定时间段运行可靠性指标数值。

2.1 配电网运行可靠性指标机制构建

通常，可靠性分析的单位是年，对长时间系统不同运行状态平均可靠性展开系统研究。常见的指标主要是系统指标与负荷指标。前者涵括系统的平均停电持续时间与频率指标、线路指标以及变压器重过载指标等，后者则涵括故障平均停电持续时间和负荷点平均故障几率等[3]。

开展可靠性评估工作，可为规划设计系统提供必要帮助。运行可靠性指标在运行调度中运用。所以，配电网运行的可靠性必须反映系统本身负荷损失的状况，同时也需反映负荷裕度。另外，应真实反映线路的过载状况、潮流与电压安全裕度，在此基础上描述并反映系统的整体可靠性、关键区域、节点、元件与环节可靠性等[4]。根据以上要求，有必要科学拓展常规性可靠性指标，构建四维指标机制。

2.2 以主成分分法为依据的主要指标提取

运行可靠性指标机制涵括了大量指标变量，且建模和计算均相对复杂，加之不同指标间有大量冗余信息，逐一分析会增加冗余工作量。其中，主成分分析属于多元统计分析法，主要作用是简化对象模型，提取主要信息，尽量降低变量维度。开展主成分分析，主要是利用方差或者是离差平方和等计算不同指标信息大小，删除重复指标等，提取相关性不明显同时涵盖大量原信息的指标。随后，系统化筛选影响系统运行可靠性的薄弱环节、关键性元件以及区域等，不断缩小评估范围[5]。

第一，标准化的评估指标。一般情况下，不同的运行可行性指标量纲存在差异且分布不同，要求针对指标参数实施标准处理。为此，应以配电大数据为基础获取不同指标分布函数，针对不同指标变量展开正态分布的标准处理，进而转变成正态分布变量。

第二，相关矩阵构建与特征值计算。所谓的变量间存在的相关关系，具体指的是已知某变量亦或是一组变量，可对另一变量数值加以确定，亦或是明确变化规律。一般情况下，在统计学中会借助Pearson相关系数度量两随机变量间存在的相关性程度。

第三，主成分的确定。根据以上计算数值，确定第n个指标变量方差贡献率与累计方差贡献率。

第四，确定主要评估指标。

2.3 依托并行关系挖掘主要影响因素

在配电网实际运行期间，对其可靠性产生影响的因素很多，很难构建准确性较高的预测模型，且速度精度易受到限制。在这种情况下选择使用关联规则挖掘法，在配电网异构多源数据中挖掘主要的影响因素，为输入预测模型提供帮助，尽量降低输入维度，不断加快预测速度。

在关联规则中，各样本均可用T代表，而n个事务即可构成数据库，用D表示。需要注意，各事务均通过多属性确定，并被称作“项”。多个项所构建的集合就是“项集”，其中各子集事务均为一项集。对于最小支持度阀值和最小置信度阀值而言，用户应结合实际需求做出定义[6]。强规则即支持度和置信度都不低于最小阀值规则，最终获得对配电网运行可靠性产生影响的因素。

2.4 训练人工神经预测模型

所谓的运行可靠性预测，具体指参考历史与配电实时大数据信息，对后续特定时间段内的可行性指标参数的推测过程。一般情况下，预测方法主要有人工智能方法和传统方法2种。其中，传统方法是依托回归分析方法，而人工智能方法则涵盖了深度学习与神经网络等多种方法。在配电系统运行可靠性指标数值方面，通常需参考运行期间记录的统计数据信息内容，对无法构建精确性解析模型的情况做出科学化预测。

可将实时获得的数据信息主要影响因素数据当做输入人工神经网络中的主要内容，进而对特定时间段后的可靠性指标数值实施必要预测。选择各预测时间计算相应的指标，进而获取相对时限类的指标，并在不同场合中应用。

3 结 论

通过研究与分析可知，在对配电网大数据科学使用的基础上，深入挖掘业务发展的信息。依托多源异构大数据形成运行可靠性分析法，即可针对配电网运行期间可靠性进行系统化分析，进而为辅助决策路径提供有价值的参考依据，推进运行可靠性评估工作的开展，使得评估维度降低且评估工作量明显下降，全面提升配电网运行的可靠性水平。